Prognose nicht-linearer Zusammenhänge
Posted: Fri 17. Feb 2017, 14:59
Hallo,
nachdem ich mit „herkömmlicher“ Statistik bei meinen Auswertungen nicht weiterkomme, bin ich auf der Suche nach Alternativen auf neuronale Netze gestoßen. Obwohl ich mich ein wenig eingelesen habe, bin ich Laie auf diesem Gebiet – bitte insofern um Nachsicht, falls ich für das genauere Verständnis etwas Zeit benötige!
Nun aber zu meiner eigentlichen Problemstellung:
Mir liegt ein Datensatz in binärer Form vor (also fortlaufende 0en und 1en). Aus den jeweils 40 vorangegangenen Stellen lässt sich die nächste Stelle prognostizieren. Es werden meistens nicht alle 40 Stellen benötigt und eine (sinnvolle) Prognose entsteht in nur etwa 40% der Fälle. Die dann abgegebenen Prognosen bestätigen sich mit einer Quote von ca. 55-60% (gleichverteilt auf 0 und 1).
Ich erhoffe mir jetzt, dass das neuronale Netz den „aktuellen Zusammenhang“ (der nicht-linear ist) der letzten maximal 40 Positionen erkennt. Als Input dienen für die Trainingseinheit fortlaufend die jeweils 40 letzten Stellen, als Output die jeweils nächste Stelle. Welche Netzarchitektur ist jetzt hier am sinnvollsten? Wieviele (versteckte) Schichten bzw. jeweils Neuronen? Welche Aktivierungsfunktion? (Wie) kann das Netz differenzieren in „sinnvolle Prognose“ und „keine Prognose“?
Ich bin für jede Hilfe dankbar!
LG
Bastian
nachdem ich mit „herkömmlicher“ Statistik bei meinen Auswertungen nicht weiterkomme, bin ich auf der Suche nach Alternativen auf neuronale Netze gestoßen. Obwohl ich mich ein wenig eingelesen habe, bin ich Laie auf diesem Gebiet – bitte insofern um Nachsicht, falls ich für das genauere Verständnis etwas Zeit benötige!
Nun aber zu meiner eigentlichen Problemstellung:
Mir liegt ein Datensatz in binärer Form vor (also fortlaufende 0en und 1en). Aus den jeweils 40 vorangegangenen Stellen lässt sich die nächste Stelle prognostizieren. Es werden meistens nicht alle 40 Stellen benötigt und eine (sinnvolle) Prognose entsteht in nur etwa 40% der Fälle. Die dann abgegebenen Prognosen bestätigen sich mit einer Quote von ca. 55-60% (gleichverteilt auf 0 und 1).
Ich erhoffe mir jetzt, dass das neuronale Netz den „aktuellen Zusammenhang“ (der nicht-linear ist) der letzten maximal 40 Positionen erkennt. Als Input dienen für die Trainingseinheit fortlaufend die jeweils 40 letzten Stellen, als Output die jeweils nächste Stelle. Welche Netzarchitektur ist jetzt hier am sinnvollsten? Wieviele (versteckte) Schichten bzw. jeweils Neuronen? Welche Aktivierungsfunktion? (Wie) kann das Netz differenzieren in „sinnvolle Prognose“ und „keine Prognose“?
Ich bin für jede Hilfe dankbar!
LG
Bastian